Loi de probabilités
Variables aléatoires :
Déf :
Soit Oméga un univers. On appelle variable aléatoire toute application qui transforme les
évènements de Oméga en des nombres réels.
2) Loi de probabilité
Soit X une V.A. La loi de probabilité de X est donnée par les probabilités de réalisation des différentes
valeurs de X.
X X1 X2 … Xn Total
P(X) P1 P2 … Pn 1
P(X=X1) = P1
P(X=X2) = P2
P(X=Xn) = Pn
La loi de probabilité se note (xi ; pi)
3) Espérance mathématiques
On considère une V.A X et sa loi (xi ; pi)
L’espérance mathématique de X est définie par :
E(X) = X1P1+X2P2+…+XnPn = N barre
C’est à dire : E(X) = Somme de XiPi
Remarque : l’espérance E(X) s’interprète comme une moyenne
4) Variance et écart type
Variance définie par :
V(X) = Somme de [Xi-E(X)] au carré * Pi
Ou : V(X) = E(X au carré) – [E(X)] au carré
Écart type :
Sigma (x) = racine carré de V(X)
5) Propriétés
5.1 Espérance d’une somme
Soient X et Y deux variables aléatoires. On a :
E(X+Y) = E(X) + E(Y)
Soient X1, X2, …, Xn n variables aléatoires indépendantes. On a :
E(Somme de Xi) = Somme de E(Xi)
5.2 Cas de la variance
Soient X et Y deux variables aléatoires indépendantes. On a :
V(X+Y) = V(X) + V(Y)
5.3 Cas de l’écart type
Soient X et Y deux variables aléatoires indépendantes. On a :
Sigma (X+Y) = Racine carré (Sigma (X au carré) + Sigma (Y au carré))
Loi normale :
Déf :
Une loi normale est définie par deux paramètres : Une moyenne m et un écart type sigma
Notation : N(m ; sigma)
Il existe une infinité de loi normale (une pour chaque m et sigma)
2) Loi normale centrée réduite
Déf :
La loi est dite centrée si m=0, elle est réduite si sigma=1 donc notation N(0 ;1)
Courbe symétrique par rapport à l’axe des ordonnées, l’aire entre la courbe et l’axe des abscisses = 1
(100%)
Courbe et probabilités
Soit X une variable aléatoire suivant la loi (0 ; 1)
Soient a et b deux valeurs réelles
La proba p(a<X<b) est représentée par l’aire suivante
Propriétés
a) p(a<X<b) = p(a<ou égal X <ou égal b)
b) p(X >ou égal a) = 1 – p(X(a))
c) p(X<-a) = P(X> ou égal a) = 1 – p(X(a))
d) P(X> ou égal -a) = p(X<ou égal a)
e) p(a<X<b) = p(X<b) – p(X<a)
3) Loi normale quelconque
Soit X une variable suivant la loi N(m ; sigma) avec m et sigma quelconques.
Soient a et b 2 valeurs réelles. On veut calculer P(a<X<b)
On a pas la table N(m ; Sigma) mais on peut se ramener à la loi N(0 ; 1) par le changement de variable
suivant.
T = (X-m)/sigma
La variable T suit la loi N(0 ; 1)
P(a<X<b) = P((a-m)/sigma < T < (b-m)/sigma) = P( T<(b-m)/sigma) – P(T<(a-m)/sigma)
